Google 算力不夠，為何還先給 AI 研究？Pichai 談雲端營收與長期投資
Google 算力如何在前沿模型研究與雲端客戶之間分配？從 Pichai 訪談與第三季法說更新，理解短期營收取捨、建置時間及投資過剩風險。
Google 算力不足時，要先服務付費的雲端客戶，還是先訓練下一代 AI？這個選擇會同時影響眼前營收，以及未來產品能做到什麼。
Sundar Pichai 在 2026 年 10 月 21 日首播的 Big Technology 訪談中說，確保前沿模型研究有足夠運算資源，是不能妥協的起點。其他業務的規畫建立在這個基礎上。
他也承認，雲端業務正在因算力取捨，放棄一部分短期營收。這讓 AI 投資的代價變得具體：代價除了買設備，還包括設備原本可以服務的其他工作。
但研究優先並不表示雲端沒有需求。訪談後公布的第三季法說會，再次描述供給受限，以及使用外部算力補充容量的安排。
眼前忙碌的機房，也不能替幾年後的投資結果背書。Pichai 自己提到，零件瓶頸或經濟衝擊，仍可能讓部分建設過剩。
理解這場取捨，能幫讀者分辨模型競賽、雲端成長與資本支出之間的關係，也能看懂同一家公司的不同業務，為何會爭取同一批資源。
Google 算力為何先保障前沿模型研究？
Pichai 把模型能力視為各項業務共用的基礎，因此先保留研究需要的運算資源。這個排序反映 Google 同時經營研究、消費產品與雲端服務的結構。
在完整訪談的算力分配段落中，他說，AI 橫跨搜尋、雲端到 Waymo 等業務。公司先確保研究與模型開發有足夠資源，再依各業務的長期規畫安排容量。
算力可以理解為電腦完成運算工作的能力。訓練模型需要算力，使用者請模型回答問題、分析資料或執行工作時，同樣需要算力，因此熱門產品推出後，資源需求還會繼續發生。
前沿模型則指當時能力位於領先群的一類模型。它不保證適合每一項工作，卻可能讓公司提早接觸新能力，並測試過去做不到的產品與研究方法。
為什麼不只把運算資源拿去出租？
主持人 Alex Kantrowitz 在訪談中提出，Google 是否可以少做模型，把資源直接賣給客戶。Pichai 的回答是，公司希望持續推進模型能力，因為那也會影響其他業務的下一步。
他在較前面的對話中說，處在能力前沿，能較早看到新的用途。Google 自身開發者與部分雲端客戶，也需要這類模型解決較困難的問題。
依這套邏輯，把容量留給研究，可能同時是在支援未來的搜尋、企業工具與雲端產品。這是管理層選擇投入的理由。未來是否產生足夠回報，仍須看成果如何進入產品，以及客戶是否持續使用。
但同一批資源也能對外出售，因此，研究優先便有可以辨認的機會成本。
放棄短期雲端營收，代表什麼代價？
把資源留給研究，代表部分當下可承接的需求，需要另找容量或等待。Pichai 承認這種取捨已經存在，但他沒有在訪談中公布放棄營收的金額。
他在22 分 41 秒後的回答說，雲端業務會因支援前沿 AI 開發而犧牲短期營收。這段話支持的是存在機會成本，不能進一步解讀為所有雲端客戶的工作都被延後。
機會成本，是選擇一件事時，放棄另一個可行選項的價值。對 Google 而言，即使設備已經買好，把它留給研究，仍可能意味著暫時少接一部分對外服務的生意。
但研究也可能改善雲端能提供的產品，因此不能只拿當季少收的錢判定它是否值得。評估需要拉長時間，看新能力能否形成穩定服務，並與新增支出一起比較。
一週後的法說會補充了什麼？
Alphabet 10 月 28 日的第三季法說會補上另一面：財務長說，公司在第三季末開始使用第三方算力，並預期第四季擴大使用，短期會對雲端利潤率形成壓力。
因為自有供給不足，補進外部容量也成為服務客戶的選項。外部供給能協助服務需求，同時有它的成本，因而讓算力分配同時涉及營收與服務成本。
法說會也維持 2026 全年資本支出指引在 1,950 億至 2,050 億美元。這是公司當時的年度支出預估，不能視為全部都投入單一模型，或等同未來已確定的收入。
這些更新讓取捨變得具體，但無法從中倒推出研究與雲端各自分到多少資源。這項代價要放回資料中心的建置時間，才能理解為何無法立刻補齊。
現在缺算力，為何不能明天就補上？
資料中心容量取決於幾年前的決策，而模型用途可能在這段期間快速改變。這讓供給規畫與產品需求，很難以相同的速度前進。
Pichai 在17 分 27 秒後說，今天擁有的算力，是他在 2024 年所做決定的結果。公司經常在安排兩至三年後需要的容量，而需求會隨新用途出現而調整。
他的例子是，先前規畫時，代理式程式開發還沒有以同樣程度成長。這類工具會替人連續執行多步工作，因此每位使用者想完成的任務，可能隨產品能力一起擴大。
對容量規畫者而言，難點在於必須先準備硬體與場地，再等待未來用途成形。若等需求完全明朗才開始，供給可能來不及。若一次準備太多，又可能留下閒置或低效率的設備。
這也說明，看到新模型發表後用量上升，不能假設公司只要下單就能立刻補足。機房需要相互配合的電力、設備與工程條件，缺少其中一部分，都可能影響整體可用容量。
談到新客戶要求 2027 年的資源時，Pichai 的用詞是「非常困難」。他沒有在這段訪談提供一份涵蓋所有產品與地區的可用容量表，因此不宜把這句話擴張成全球全面售罄。
對準備使用雲端 AI 的團隊，這代表產品可試用與工作所需容量可承諾，是不同階段。實際規畫仍要把可交付時間、任務所需資源與替代安排接起來。
供需錯開的時間，讓今天短缺與未來局部過剩可以同時成立。
機房每天都在用，為何仍可能投資過剩？
正在使用的容量能支持當下需求判斷，卻不能保證所有未來擴建都按時產生回報。兩者觀察的是不同時間與不同專案。
Pichai 在19 分 52 秒起的泡沫提問中說，Google 每天都受到容量限制。他用這點解釋，為何自己對長期投入有信心。
但他也承認，過度建設可能發生。部分零件受限、整套系統無法備齊，或外部經濟受到衝擊，都可能使先前安排的容量無法按預期使用。
例如，一批設備已經準備好，配套工程卻來不及完成，就可能在整體需求很高的市場裡仍然閒置。這是條件不配合造成的落差，無須等到整個產業都沒有需求才會出現。
時間再拉長，模型效率與使用方式也可能改變。同樣工作若能用較少資源完成，公司原先對每項任務所需容量的估計，就需要重新調整。新的用途又可能帶來另一批需求。
所以，用一個熱門產品的成長，推定所有基礎建設都合理，會漏掉專案之間的差異。反過來，一處建設延誤，也無法單獨證明所有 AI 服務的需求都消失。
判斷 Google 的投入，需要把管理層的信心與實際交付成果一起觀察。因此，擴建之外還要看同樣硬體能否完成更多有用工作。
從算力數量到工作成果，讀者該如何看 Google 投資？
讀者可把研究能力、客戶交付與使用效率一起觀察，避免只看設備規模。資源投入的價值，最後要透過完成的工作呈現。
Pichai 在訪談中也說，研究者面對部分限制，可能促使團隊尋找更有效率的演算法，例如降低記憶體需求。這表示改善模型能力的路徑，包含增加資源與改進使用方法。
Google 四月公布的基礎建設效率說明也談到軟體與排程的作用。把適合的工作分配到設備、提高利用率，都可能改善每次運算的資源表現。
這類效率數據有自己的分母。每次運算的排放改善，描述的是單位工作的表現。若整體工作量快速增加，公司的總用電仍可能成長，兩個數字需要分開閱讀。
對使用 AI 的企業而言，比較可行的觀察，是一項任務能否穩定完成、需要多少等待與成本，以及結果是否需要大量人工重做。這些成果才能把算力新聞接回工作現場。
同樣的觀察也適用於能源討論：設備耗多少電，還需要搭配完成了哪些工作，才能理解效率的意義。
延伸閱讀：Joules-to-GDP 用電力衡量 AI 工作價值，模型、任務與 GPU 數量如何取捨？
因為單位設備的產出也受到記憶體安排影響，理解系統內部的配置，能補充只看晶片數量的不足。
延伸閱讀：NVIDIA 公開 AI 記憶體協同設計，HBM 容量相同，推理吞吐量為何不同？
Google 算力分配常見問題
Pichai 說研究優先，代表 Google 不做雲端了嗎？
訪談中他同時談到雲端需求、客戶合約與長期容量規畫。研究優先描述內部安排的起點，雲端仍是公司持續服務的業務。
Google 的算力已經全部賣到 2027 年了嗎？
他說此時承接新客戶對 2027 年的容量要求非常困難。這不是涵蓋所有地區、產品與合約條件的全面售罄公告。
供不應求，是否就代表 AI 投資沒有泡沫？
當下缺少資源，與未來部分建設無法按預期使用，可以同時發生。Pichai 在訪談中也承認瓶頸與經濟衝擊可能造成過剩。
看產品與交付，才能判斷算力投入的成果
Google 的選擇，是用一部分眼前可出租的資源，支持模型與未來產品。這個策略有可理解的理由，也有已經發生的機會成本。
對追蹤 AI 產業的讀者，值得持續比較的是新能力是否進入穩定服務、客戶能否取得容量，以及每項工作需要多少資源。免費訂閱 AI 郵報，持續追蹤算力投入如何變成實際產品。
